flume的安装及使用

1、flume的安装及使用

1.1 flume的安装

1.1.1、下载安装包，并上传到虚拟机，解压

(https://flume.apache.org/releases/content/1.9.0)

tar -zxvf apache-flume-1.9.0-bin.tar.gz -C /usr/local/soft/

1.1.2、重命名目录，并配置环境变量

在master上操作
mv apache-flume-1.9.0-bin/ flume-1.9.0
vim /etc/profile
export FLUME_HOME=/usr/local/soft/flume-1.9.0
export PATH=$PATH:$FLUME_HOME/bin
source /etc/profile

1.1.3、查看flume的版本

flume-ng version

1.2 flume的使用

#首先先给agent起一个名字 叫a1
#分别给source channel sink取名字
a1.sources = r1
a1.channels = c1
a1.sinks = k1
#分别对source、channel、sink进行配置
#配置source
#将source的类型指定为 spooldir 用于监听一个目录下文件的变化
#因为每个组件可能会出现相同的属性名称，所以在对每个组件进行配置的时候 
#需要加上 agent的名字.sources.组件的名字.属性 = 属性值
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /usr/local/soft/flume-1.9.0/job/
a1.sources.r1.fileSuffix = .ok
a1.sources.r1.fileHeader = true
#给r1这个souces配置一个拦截器并取名为 i1
a1.sources.r1.interceptors = i1
#将拦截器i1的类型设置为timestamp 会将处理数据的时间以毫秒的格式插入event的header中
#a1.sources.r1.interceptors.i1.type = timestamp
#将拦截器i1的类型设置为regex_filter 会根据正则表达式过滤数据
a1.sources.r1.interceptors.i1.type = regex_filter
#配置正则表达式
a1.sources.r1.interceptors.i1.regex = \\d{3,6}
#excludeEvents = true 表示将匹配到的过滤，未匹配到的放行
a1.sources.r1.interceptors.i1.excludeEvents = true
#配置sink
#使用logger作为sink组件，可以将收集到数据直接打印到控制台
a1.sinks.k1.type = logger
#配置channel
#将channel的类型设置为memory，表示将event缓存在内存中
a1.channels.c1.type = memory
#组装
#将sources的channels属性指定为c1
a1.sources.r1.channels = c1
#将sinks的channel属性指定为c1
a1.sinks.k1.channel = c1

启动agent（先在linux的某个目录下建立一个spoolingtest.conf 的文件，把flume的信息写进去）

flume-ng agent -n a1 -f ./spoolingtest.conf -Dflume.root.logger=DEBUG,console

新建root/data目录

mkdir /root/data

在/root/data/目录下新建文件，输入内容，观察flume进程打印的日志

#随意在a.txt中加入一些内容
vim /root/data/a.txt

2 、flume的简介

2.2 flume的定义

Flume 是Cloudera 提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。Flume 基于流式架构，灵活简单。

2.2 flume的基础架构

如下图：
2.2.1 Agent
Agent 是一个 JVM 进程，它以事件的形式将数据从源头送至目的。

Agent 主要有 3 个部分组成，Source、Channel、Sink。

2.2.2 Source
Source 是负责接收数据到 Flume Agent 的组件。Source 组件可以处理各种类型、各种格式的日志数据，包括 avro、thrift、exec、jms、spooling directory、netcat、taildir、sequence generator、syslog、http、legacy。
2.2.3 Sink
Sink 不断地轮询 Channel 中的事件且批量地移除它们，并将这些事件批量写入到存储或索引系统、或者被发送到另一个 Flume Agent。
Sink 组件目的地包括 hdfs、logger、avro、thrift、ipc、file、HBase、solr、自定义。
2.2.4 Channel
Channel 是位于 Source 和 Sink 之间的缓冲区。因此，Channel 允许 Source 和 Sink 运作在不同的速率上。Channel 是线程安全的，可以同时处理几个 Source 的写入操作和几个
Sink 的读取操作。
Flume 自带两种 Channel：Memory Channel 和 File Channel。
Memory Channel 是内存中的队列。Memory Channel 在不需要关心数据丢失的情景下适用。如果需要关心数据丢失，那么 Memory Channel 就不应该使用，因为程序死亡、机器宕机或者重启都会导致数据丢失。
File Channel 将所有事件写到磁盘。因此在程序关闭或机器宕机的情况下不会丢失数据。
2.2.5 Event
传输单元，Flume 数据传输的基本单元，以 Event 的形式将数据从源头送至目的地。
Event 由 Header 和 Body 两部分组成，Header 用来存放该 event 的一些属性，为K-V 结构，
Body 用来存放该条数据，形式为字节数组。